CN103929645B

CN103929645B - 一种基于陪集码的分布式选择压缩编解码方法

Info

Publication number: CN103929645B
Application number: CN201310683146.6A
Authority: CN
Inventors: 赵学军; 乔旭; 赵彦; 赵殷瑶
Original assignee: China University of Mining and Technology Beijing CUMTB
Current assignee: China University of Mining and Technology CUMT; China University of Mining and Technology Beijing CUMTB
Priority date: 2013-12-13
Filing date: 2013-12-13
Publication date: 2015-06-10
Anticipated expiration: 2033-12-13
Also published as: CN103929645A

Abstract

本发明属于图像信源编解码领域，其特点在于利用分布式编解码方法，以较低的时间复杂度实现对高光谱数据的压缩。在编码过程中，要区分参考谱段Y和非参考谱段X。在传输过程中，只需传输少量信息，即参考谱段的数据Y'和非参考谱段的陪集索引X'_L以及少量的陪集元素A。在解码过程中，利用参考谱段陪集元素的值Y'_H，结合非参考谱段陪集索引的值X'_L，通过奇偶判定校验算法重构高光谱图像数据。

Description

一种基于陪集码的分布式选择压缩编解码方法

技术领域

本发明属于计算机数字图像处理领域，针对地质遥感图像的特点，利用分布式编码技术进行压缩。

背景技术

分布式编码（DSC）技术是信息论在发展过程中的重要成果之一。上世纪七十年代，DavidSlepian和Jack K.Wolf在信息论基础上提出了针对两个互相关信源无损压缩的理论极限，即Slepian-Wolf理论。然而，研究人员一直没有发现这一理论的实现方法。直到最近十几年，人们发现DSC与信道编码的纠错码之间存在着一定的关系，从而为我们找到了一条实现该理论的途径。1998年，Pradhan提出了基于特征群的分布式信源编码（DISCUS,Distributed SourceCoding Using Syndromes），该方法尝试了两个独立相关信源X与Y的独立编码与联合解码，在X与Y之间建立虚拟信道，其中X为编码端的输入，Y为解码端的输出，Y可看作X被噪声污染过的信号，这样就可以构造有效的信道纠错码来恢复X。此后，大部分DSC方案都是基于DISCUS提出的，通常采用性能优良的信道码来实现，例如Turbo码、LDPC（LowDensity Parity Check）码与Trellis码等。

LDPC码即低密度校验码，最早是在1962年1月由Gallager在IRE（Institute of Radio Engineers）会报上提出的，并于1963年由麻省理工出版社以专著形式正式发表。由于当时硬件水平的限制，这一研究成果并未得到及时的肯定，直到1993年5月两位法国教授Berrou、Glavieux和他们的博士生在ICC会议上提出了Turbo码。人们后来发现，Turbo码是LDPC编码的一种特殊形式，从l996年开始，Mackay等人开始了对LDPC编码的新的研究。

然而，研究发现上述信道码的编码复杂度较高，难以体现DSC的优势。为了获得较低的编码复杂度和理想的压缩性能，A.Majumdar提出了标量多元码应用于视频图像的DSC压缩，E.Magli等人引入了这种简单的多元码，通过陪集划分的方式实现高光谱图像的无损压缩。本方法借鉴前人的研究成果，将陪集划分的思想结合奇偶判定校验方法实现了以较低的复杂度达成高光谱图像数据压缩的要求。

发明内容

本发明的目的是通过低复杂度的编码方法，多通道并行处理的方式，实现高光谱图像的高速实时压缩。本方法具有良好的实时性、适应性和稳定性。

本方法按照以下步骤进行编码：

步骤（A1）：对原始高光谱图像的谱间相关性进行分析，对于谱间相关性较好的高光谱图像，直接采用分布式选择压缩算法进行高光谱图像的无损压缩，对于谱间相关性较差的高光谱图像，采用预测算法进行图像的预处理；

步骤（A2）：分布式选择压缩算法首先要选出提供边信息的参考谱段R_i，对于参考谱段，利用信道CH1进行传输；

步骤（A3）：对于非参考谱段R_j，需要按照陪集编码算法计算其合理的索引位深D_L，对于参考谱段的任意元素R_i(α,β)与非参考谱段相应元素R_j(α,β)，其中α、β为谱段中元素的坐标值，索引位深D_L有如下计算公式：

D_{L} > \max_{1 \leq α, β \leq n} {\log_{2} [R_{i} (α, β) - R_{j} (α, β)] + 1},

n为谱段中元素坐标的最大值，在划分陪集时，令元素之间的欧氏距离为极大值，此时元素的位深为D_H。D_H+D_L=D_T，D_T为原始数据的实际位深，当D_L发生变化时，实际获得的压缩比会发生相应的变化，利用数理统计的办法，确立适合某类高光谱图像的位深D_L；

步骤（A4）：当确立了陪集索引的位深D_L以后，还要通过计算相邻谱段对应元素的欧氏距离，确定需要独立传输的元素，当相邻谱段的误差幅值范围超过将陪集中位深为D_H的元素单独通过信道传输CH2、CH3、……、CHN，其中N为信道总数；

步骤（A5）：对于非参考谱段R_j中无需单独传输的元素，仅传输陪集索引和校验位即可，根据陪集内位深为D_H的元素的奇偶性确定校验位的数值，通常用0表示奇数，1表示偶数，将校验位紧附在陪集索引之后，此时可以通过信道CH2、CH3、……、CHN，直接发送为参考谱段的陪集索引和校验位，从信道传输的方式可以看出分布式压缩技术的特点，即具有良好的并行性。

解码的具体步骤如下：

步骤（B1）：首先还原原始高光谱图像的参考谱段R_i，该谱段信息由信道CH1传送；

步骤（B2）：对于由CH2、CH3、……、CHN传送过来的陪集索引位深D_L，结合参考谱段或其预测值重构非参考谱段信息R_j；

步骤（B3）：对于由参考谱段R_i还原的陪集元素值D_H可能存在误差，需要附在索引之后的校验位进行奇偶判定校验，参考欧氏距离CA与CB的值，其中，

CA =

(\overset{&OverBar;}{R_{i}^{H}} (α, β) + 1) \times 2^{D_{L}} + \overset{&OverBar;}{R_{j}^{L}} (α, β) - {\overset{&OverBar;}{R}}_{i} (α, β),

CB = (\overset{&OverBar;}{R_{i}^{H}} (α, β) - 1) \times 2^{D_{L}} + \overset{&OverBar;}{R_{j}^{L}} (α, β) - \overset{&OverBar;}{R_{i}} (α, β),

其中为经过传输后参考谱段任意元素的陪集元素部分的数据，为经过传输后非参考谱段任意元素的陪集索引部分的数据，为经过传输后参考谱段任意元素的数据，若为传输前参考谱段任意元素的陪集元素部分的数据，当CA>CB时，的实际值就应该为当CA<CB时，的实际值就应该为当CA=CB时，的实际值就应该为通过校验，纠正欧氏距离与编码位深之间存在的结构误差；

步骤（B4）：对于由CH2、CH3、……、CHN独立传送过来的陪集元素D_H，直接还原到陪集元素D_T相应的位置上。

本发明经过最优线性预测处理的编码步骤如下：

步骤（C2）：利用k阶最优线性预测算法，对非参考谱段R_j进行预测，得到相应的预测系数I_j和预测结果j=1,2,……,n-k，其中n为高光谱图像的谱段总数；

步骤（C3）：将预测结果作为实际的参考谱段，计算非参考谱段对应元素的欧氏距离，确定需要独立传输的元素，当预测谱段的残差c_j幅值范围超过将陪集中位深为D_H的元素单独通过信道传输CH2、CH3、……、CHN；

步骤（C4）：对于非参考谱段中无需单独传输的元素，要传输预测系数I_j、陪集索引位深D_L和校验位，将预测系数置于该谱段数据发送之前，校验位紧附在陪集索引之后，此时通过信道CH2、CH3、……、CHN发送。

经过最优线性预测处理后，解码重构的方法如下：

步骤（D1）：根据信道CH1传输获取的预测系数I_j和参考谱段R_i，分别对非参考谱段R_j进行预测，得到相应的预测信息

步骤（D2）：利用预测信息中陪集元素的值D_H，结合信道CH2、CH3、……、CHN传输的陪集索引D_L，重构谱段信息R_j。

步骤（D3）：对于由参考谱段R_i还原的陪集元素值D_H可能存在误差，需要附在索引之后的校验位进行奇偶判定校验；通过校验，纠正欧氏距离与编码位深之间存在的结构误差。

步骤（D4）：对于由CH2、CH3、……、CHN独立传送过来的陪集元素值D_H，直接还原到陪集元素D_T相应的位置上。

本发明就有以下优点：

1、编码方法简单灵活，对编码端需求较低，适合大吞吐量数据的处理。

2、可移植性强，适合各类高光谱数据的处理。

3、数据结构完整清晰，容易与其他算法相结合。

附图说明

图1本发明编码器原理流程图

图2本发明解码器原理流程图

图3本发明经过预处理的编码器原理流程图

图4本发明经过预处理的解码器原理流程图

图5本发明简明流程图

具体实施方式

本发明按照星地高光谱图像传输的要求，根据分布式信源编码的原理，利用陪集索引的编码方法，提出了基于陪集码的高光谱图像分布式选择压缩编解码方法。本方法充分利用高光谱图像谱间相关的特点，通过建立陪集索引的方式，有选择的传输部分陪集元素，通过奇偶判定校验，重构原始高光谱图像数据。

编码器工作流程如下：

（1）如图1所示，将原始高光谱数据分为参考谱段R_i和非参考谱段R_j。参考谱段R_i由信道CH1直接传输，非参考谱段R_j需要根据统计结果划分D_H和D_L。并依据D_H计算出校验位。

（2）依据非参考谱段R_j与参考谱段R_i的欧氏距离的大小，判断需要独立传输的D_H。通过信道CH2,CH3,…,CHN传输D_L和校验位以及需要独立传输的D_H。

解码器工作流程如下：

（1）如图2所示，通过信道CH1接收参考谱段R_i，R_i同时为非参考谱段R_j提供D_H信息。

（2）通过信道CH2,CH3,…,CHN接收非参考谱段R_j的D_L和校验位，结合参考谱段R_i提供的D_H信息，重构非参考谱段R'_j。

（3）由上面步骤重构的非参考谱段R'_j可能存在部分值与实际值不符的情况，需要利用奇偶判定校验位对D_H值进行校验，从而得到非参考谱段R_j的实际值。

对于引入了预测处理的编码器，其工作流程如下：

（1）如图3所示，采用信道CH1传输参考谱段R₁,R₂,…,R_k，利用参考谱段R₁,R₂,…,R_k，对非参考谱段R_j进行最优线性预测，利用预测谱段与实际非参考谱段R_j的残差作为判断欧氏距离的依据。

（2）依据非参考谱段R_j与预测谱段的欧氏距离的大小，判断需要独立传输的D_H。通过信道CH2,CH3,…,CHN传输D_L和校验位以及需要独立传输的D_H。

对于引入了预测处理的解码器，其工作流程如下：

（1）如图4所示，利用信道CH1接收的参考谱段R₁,R₂,…,R_k，对非参考谱段进行预测，得到预测谱段同时为非参考谱段R_j提供D_H信息。

（2）通过信道CH2,CH3,…,CHN接收非参考谱段R_j的D_L和校验位，结合预测谱段提供的D_H信息，重构非参考谱段R'_j。

Claims

1.一种基于陪集码的分布式选择压缩编解码方法，该方法建立在陪集分类的理论基础上，其特征在于，选择性传输部分陪集元素，同时利用一类新的奇偶校验方式对可能的误差进行纠正，在编码过程中，依次含有以下步骤：

步骤(A1)：对原始高光谱图像的谱间相关性进行分析，对于谱间相关性较好的高光谱图像，直接采用分布式选择压缩算法进行高光谱图像的无损压缩，对于谱间相关性较差的高光谱图像，采用预测算法进行图像的预处理；

步骤(A2)：分布式选择压缩算法首先要选出提供边信息的参考谱段R_i，对于参考谱段R_i，利用信道CH1进行传输；

步骤(A3)：对于非参考谱段R_j，需要按照陪集编码算法计算其合理的索引位深D_L，对于参考谱段R_i的任意元素R_i(α,β)与非参考谱段R_j相应元素R_j(α,β)，其中α、β为谱段中元素的坐标值，其索引位深D_L有如下计算公式：

D_{L} > \max_{1 \leq α, β \leq n} {\log_{2} [R_{i} (α, β) - R_{j} (α, β)] + 1},

n为谱段中元素坐标的最大值，图像在划分陪集时，令元素之间的欧氏距离为极大值，此时元素的位深为D_H，D_H+D_L＝D_T，D_T为原始数据的实际位深，当D_L发生变化时，实际获得的压缩比会发生相应的变化，利用数理统计的办法，确立适合某类高光谱图像的位深D_L；

步骤(A4)：当确立了陪集索引的位深D_L以后，还要通过计算相邻谱段对应元素的欧氏距离，确定需要独立传输的元素，当相邻谱段的误差幅值范围超过将陪集中位深为D_H的元素单独通过信道传输CH2、CH3、……、CHN，其中N为信道总数；

步骤(A5)：对于非参考谱段R_j中无需单独传输的元素，仅传输陪集索引和校验位即可，根据陪集内位深为D_H的元素的奇偶性确定校验位的数值，通常用0表示奇数，1表示偶数，将校验位紧附在陪集索引之后，此时可以通过信道CH2、CH3、……、CHN，直接发送为参考谱段R_i的陪集索引和校验位，从信道传输的方式可以看出分布式压缩技术的特点，即具有良好的并行性；

解码过程特征为编码过程求逆，利用边信息重构非参考谱段R_j，步骤如下：

步骤(B1)：首先还原原始高光谱图像的参考谱段R_i，该谱段信息由信道CH1传送；

步骤(B2)：对于由CH2、CH3、……、CHN传送过来的陪集索引位深D_L，结合参考谱段R_i或其预测值重构非参考谱段R_j信息；

步骤(B3)：对于由参考谱段R_i还原的陪集元素值D_H可能存在误差，需要附在索引之后的校验位进行奇偶判定校验，参考欧氏距离CA与CB的值，其中，

CA =

(\overset{&OverBar;}{R_{i}^{H}} (α, β) + 1) \times 2^{D_{L}} + \overset{&OverBar;}{R_{j}^{L}} (α, β) - \overset{&OverBar;}{R_{i}} (α, β),

CB = (\overset{&OverBar;}{R_{i}^{H}} (α, β) - 1) \times 2^{D_{L}} + \overset{&OverBar;}{R_{j}^{L}} (α, β) - \overset{&OverBar;}{R_{i}} (α, β)

其中为经过传输后参考谱段R_i任意元素的陪集元素部分的数据，为经过传输后非参考谱段R_j任意元素的陪集索引部分的数据，为经过传输后参考谱段R_i任意元素的数据，若为传输前参考谱段R_i任意元素的陪集元素部分的数据，当CA>CB时，的实际值就应该为当CA<CB时，的实际值就应该为当CA＝CB时，的实际值就应该为通过校验，纠正欧氏距离与编码位深之间存在的结构误差；

步骤(B4)：对于由CH2、CH3、……、CHN独立传送过来的陪集元素D_H，直接还原到陪集元素D_T相应的位置上。

2.如权利要求1所述方法，其特征在于，对于谱间相关性较差的高光谱图像，首先选择合适的参考谱段R_i，对其他谱段进行预测处理，由于预测残差可以被控制在相对较小的区间，这就使得陪集索引的位深D_L在一定程度上得到降低，提高了压缩比，具体步骤如下：

步骤(C1)：依据高光谱图像谱间相关性的分布特点，选取参考谱段R_i，j＝1,2,……,k，其中k为参考谱段R_i的数量；

步骤(C2)：利用λ阶最优线性预测算法，对非参考谱段R_j进行预测，得到相应的预测系数I_j和预测结果其中n为高光谱图像的谱段总数；

步骤(C3)：将预测结果作为实际的参考谱段，计算非参考谱段R_j对应元素的欧氏距离，确定需要独立传输的元素，当预测谱段的残差c_j幅值范围超过将陪集中位深为D_H的元素单独通过信道传输CH2、CH3、……、CHN；

步骤(C4)：对于非参考谱段R_j中无需单独传输的元素，要传输预测系数I_j、陪集索引位深D_L和校验位，将预测系数置于该谱段数据发送之前，校验位紧附在陪集索引之后，此时通过信道CH2、CH3、……、CHN发送。

3.如权利要求2所述方法，其特征在于，对于经过预测处理的分布式选择压缩编码后的高光谱图像，按照以下步骤进行解码：

步骤(D1)：根据信道CH1传输获取的预测系数I_j和参考谱段R_i，分别对非参考谱段R_j进行预测，得到相应的预测信息

步骤(D2)：利用预测信息中陪集元素的值D_H，结合信道CH2、CH3、……、CHN传输的陪集索引位深D_L，重构非参考谱段R_j信息；

步骤(D3)：对于由参考谱段R_i还原的陪集元素值D_H可能存在误差，需要附在索引之后的校验位进行奇偶判定校验，通过校验，纠正欧氏距离与编码位深之间存在的结构误差；

步骤(D4)：对于由CH2、CH3、……、CHN独立传送过来的陪集元素值D_H，直接还原到陪集元素D_T相应的位置上。